跳到正文
Google DeepMind·· 2025-11-17精選AI 評分72

Google DeepMind 與 Google Research 發佈 WeatherNext 2 天氣預測模型

WeatherNext 2: Our most advanced weather forecasting model

AI 導讀

Google DeepMind 與 Google Research 發佈 WeatherNext 2,預報生成速度快 8 倍,並提供細至每小時解析度的全球天氣預測。

推薦理由

WeatherNext 2 與前代 WeatherNext 的比較覆蓋 0–15 天內 99.9% 的變量與預報時效,並列出單顆 TPU 每項預測少於一分鐘的耗時,便於同時衡量預報表現與計算效率。

正文 · 繁體中文

2025年11月17日

|

全新 AI 模型可更高效、準確地預測全球天氣,並提供更高解像度。


WeatherNext 團隊


A global map projection showing humidity levels from the WeatherNext 2 weather forecasting model, with blue indicating low humidity and yellow-orange indicating high humidity, particularly clustered along the equator.

天氣影響我們每天作出的重要決策,從全球供應鏈、航線到日常通勤都不例外。近年人工智能(AI)大幅提升天氣預報的可能性,以及我們運用預報的方式。

今天,Google DeepMind 和 Google Research 推出 WeatherNext 2,這是我們最先進、最高效的預報模型。WeatherNext 2 生成預報的速度快 8x,解像度最高可達 1 小時。這項突破有賴一個可提供數百種可能情境的新模型。透過這項技術,我們已支援氣象機構參考多種情境作決策,例如我們的實驗性氣旋預測。

我們現在將研究成果帶出實驗室,交到用戶手中。WeatherNext 2 預報資料現已在 Earth Engine 和 BigQuery 提供。我們亦在 Google Cloud Vertex AI 平台推出搶先體驗計劃,供用戶自訂模型推論。

我們將 WeatherNext 技術整合至 Search、Gemini、Pixel Weather,以及 Google Maps Platform 的 Weather API,升級當中的天氣預報。未來幾星期,這項技術亦會為 Google Maps 的天氣資訊提供支援。

預測更多可能情境

從單一輸入開始,我們使用獨立訓練的神經網絡,並在函數空間加入噪聲,生成變化連貫的天氣預報。

Diagram showing the new algorithm used in WeatherNext 2.

天氣預報必須涵蓋所有可能情況,包括最壞情境,因為規劃時最需要考慮這些情況。

WeatherNext 2 可從單一起點預測數百種可能天氣結果。在單一 TPU 上,每項預測所需時間少於 1 分鐘;使用基於物理的模型時,超級電腦也需數小時才能完成。

我們的模型亦具備高預測能力,可提供精細至每小時的高解像度預測。整體而言,在 99.9% 的變數(例如氣温、風速、濕度)和預測時效(0-15 日)中,WeatherNext 2 均勝過我們先前最先進的 WeatherNext 模型,提供更實用、準確的預報。

這項效能提升來自名為Functional Generative Network(FGN)的新 AI 建模方法。它會直接在模型架構中加入「噪聲」,讓生成的預報保持符合物理規律,並且互相連貫。

此方法特別適合預測氣象學家所説的「邊際分佈」和「聯合分佈」。邊際分佈是個別、獨立的天氣元素,例如特定地點的準確氣温、某高度的風速或濕度。我們方法的創新之處在於模型只以這些邊際分佈進行訓練,但透過訓練,它能學會準確預測「聯合分佈」:由眾多個別因素互相影響而成的大型複雜系統。要作出最實用的預測,例如找出受高温影響的整個地區,或預測風電場的發電量,就需要這種聯合預測。

WeatherNext 2 與 WeatherNext Gen 的連續排序機率分數(CRPS)比較

Heatmaps showing WeatherNext 2 consistently outperforms WeatherNext Gen across nearly all atmospheric variables, pressure levels, and lead times.

從研究走向實際應用

透過 WeatherNext 2,我們將尖端研究轉化為影響深遠的應用。我們致力推進這項技術的最新水平,並讓全球社羣都能使用最新工具。

展望未來,我們正積極研究如何改進模型,包括整合新資料來源和進一步擴大使用範圍。透過提供強大工具和開放資料,我們希望加快科學發現,並賦能全球研究人員、開發者和企業生態系統,協助大家應對當今最複雜的問題,並為未來做好準備。

如欲瞭解 Google 的地理空間平台和 AI 工作,請參閲 Google Earth、Earth Engine、AlphaEarth Foundations 和 Earth AI。

瞭解更多 WeatherNext 2 資訊

Google DeepMind 網誌

GenCast 預測天氣和極端情況風險

新 AI 模型推進天氣不確定性和風險預測,提供更快速、準確、長達 15 日的預報。

查看更多

side by side images of weather and predictions

Google DeepMind 網誌

GraphCast

用於更快速、準確全球天氣預報的 AI 模型。

查看更多

world map with purple and blue swirls

來源:Google DeepMind · deepmind.google